【实验6】MPEG音频编码实验

---

一、实验内容

1 、MPEG-1音频编码器框架

• 多相滤波器组：将PCM样本变换到32个子带的频域信号
  如果输入的采样频率为48kHz，那么子带的频率宽度为48/（2*32）=0.75kHz
• 心理声学模型(Psychoacoustic Model)：计算信号中不可听觉感知的部分
  计算噪声遮蔽效应
• 比特分配器(Bit Allocator)：根据心理声学模型的计算结果，为每个子带信号分配比特数
• 装帧(Frame Creation)：产生MPEG-I兼容的比特流

2 、理解感知音频编码的设计思想

• 两条线
  第1条线：输入的PCM码流经过多相滤波器组分解成32个子带信号，经过块形成后，对每个子带数据进行线性量化，对部分量化级别采用颗粒优化以增大压缩比，最后装帧输出。
  第2条线：输入的PCM码流进行FFT变换，经过心理声学模型去除信号中被掩蔽的部分，确定动态比特分配和比例因子选择信息。最后相关信息进行边信息编码，一起封装成帧比特流进行传输。
• 时-频分析矛盾
  时域分辨力和频域分辨力不可兼得，增大频域分辨力的同时时域分辨力便相应减小，反之亦然。
  根据这一矛盾，MPEG-1音频编码采取了一些措施：通过子带分析滤波器组使信号具有高的时间分辨率，确保在短暂冲击信号情况下，编码的声音信号具有足够高的质量又可以使信号通过FFT运算具有高的频率分辨率，因为掩蔽阈值是从功率谱密度推出来的。

3 、理解心理声学模型的实现过程

MPEG-I 标准定义了两个模型

• 心理声学模型1: 计算复杂度低；但对假设用户听不到的部分压缩太严重
• 心理声学模型2 : 提供了适合Layer III编码的更多特征

实际实现的模型复杂度取决所需要的压缩因子。

• 心理声学模型I的实现
  1、将样本变换到频域
  32个等分的子带信号并不能精确地反映人耳的听觉特性。引入FFT补偿频率分辨率不足的问题。
  2、确定子带声压级别
  3、考虑安静时阈值，即绝对阈值
  在标准中有根据输入PCM信号的采样率编制的“频率、临界频带率和绝对阈值”表。
  4、将音频信号分解成“乐音(tones)” 和“非乐音/噪声”部分
  两种信号的掩蔽能力不同。根据音频频谱的局部功率最大值确定乐音成分局部峰值为乐音，然后将本临界频带内的剩余频谱合在一起，组成一个代表噪声频率（无调成份）
  5、音调和非音调掩蔽成分的消除
  利用标准中给出的绝对阈值消除被掩蔽成分；考虑在每个临界频带内，小于0.5Bark的距离中只保留最高功率的成分
  6、单个掩蔽阈值的计算
  音调成分和非音调成分单个掩蔽阈值根据标准中给出的算法求得。
  7、全局掩蔽阈值的计算
  

  还要考虑别的临界频带的影响。一个掩蔽信号会对其它频带上的信号产生掩蔽效应（掩蔽扩散）
  8、每个子带的掩蔽阈值
  选择出本子带中最小的阈值作为子带阈值
  9、计算每个子带信号掩蔽比(SMR)，并将SMR传递给编码单元

4 、理解码率分配的实现思路

• 在调整到固定的码率之前，先确定可用于样值编码的有效比特数，这个数值取决于比例因子、比例因子选择信息、比特分配信息以及辅助数据所需比特数。
• 算法：使整帧和每个子带的总噪声—掩蔽比最小
  1、计算噪声-掩蔽比(noise-to-mask ratio, NMR)：
  $$NMR=SMR–SNR(dB)$$其中SNR 由MPEG-I标准给定 (为量化水平的函数)，NMR：表示波形误差与感知测量之间的误差
  2、对最高NMR的子带分配比特，使获益最大的子带的量化级别增加一级
  3、重新计算分配了更多比特子带的NMR
  4、循环重复2、3步骤，直到没有比特分配。
  

二、理解程序设计的整体框架

按照以下顺序一次处理多达2个通道的一个音频重叠帧

1.通过滤波器滑窗过滤出每个通道32个子带样本（window_subband，filter_subband）
2.如果是联合立体声模式，则组合左右声道 （combine_LR）
3.计算比例因子与比例因子选择信息（* _scale_factor_calc）
4.使用选定的心理声学模型计算心理声学掩蔽电平（psycho_i，psycho_ii）
5.使用步骤 4的掩蔽电平，对低掩噪比的子带执行迭代比特分配
6.如果错误保护标志活跃，则添加纠错 （* _CRC_calc）
7.将比特分配、比例因子和比例因子选择标头打包到比特流中（* _encode_bit_alloc，* _ encode_scale，transmission_pattern）
8.量化子带并将其打包进比特流（* _subband_quantization，* _ sample_encoding）

三、实验步骤与实验结果

1.输出音频的采样率和目标码率

源代码已经有将音频采样率和目标码率输出到命令行的代码print_config() 。

void print_config (frame_info * frame, int *psy, char *inPath,char *outPath)
{
  	frame_header *header = frame->header;

  	if (glopts.verbosity == 0)
    	return;

  	fprintf (stderr, "--------------------------------------------\n");
  	fprintf (stderr, "Input File : '%s'   %.1f kHz\n",(strcmp (inPath, "-") ? inPath : "stdin"),s_freq[header->version][header->sampling_frequency]);
  	fprintf (stderr, "Output File: '%s'\n",(strcmp (outPath, "-") ? outPath : "stdout"));
  	fprintf (stderr, "%d kbps ", bitrate[header->version][header->bitrate_index]);
  	fprintf (stderr, "%s ", version_names[header->version]);
  	if (header->mode != MPG_MD_JOINT_STEREO)
    	fprintf (stderr, "Layer II %s Psycho model=%d  (Mode_Extension=%d)\n",mode_names[header->mode], *psy, header->mode_ext);
  	else
    	fprintf (stderr, "Layer II %s Psy model %d \n", mode_names[header->mode],*psy);

  	fprintf (stderr, "[De-emph:%s\tCopyright:%s\tOriginal:%s\tCRC:%s]\n",
	   ((header->emphasis) ? "On" : "Off"),
	   ((header->copyright) ? "Yes" : "No"),
	   ((header->original) ? "Yes" : "No"),
	   ((header->error_protection) ? "On" : "Off"));

  	fprintf (stderr, "[Padding:%s\tByte-swap:%s\tChanswap:%s\tDAB:%s]\n",
	   ((glopts.usepadbit) ? "Normal" : "Off"),
	   ((glopts.byteswap) ? "On" : "Off"),
	   ((glopts.channelswap) ? "On" : "Off"),
	   ((glopts.dab) ? "On" : "Off"));

  	if (glopts.vbr == TRUE)
    	fprintf (stderr, "VBR Enabled. Using MNR boost of %f\n", glopts.vbrlevel);
  	fprintf(stderr,"ATH adjustment %f\n",glopts.athlevel);

  	fprintf (stderr, "--------------------------------------------\n");
}

• 设置命令行参数
  
• 运行结果
  音频的采样率为44.1kHz,目标码率为192kbps
  

2.输出数据帧信息

对于某个数据帧，输出该帧所分配的比特数、该帧的比例因子、该帧的比特分配结果。

在main()函数中添加代码

#if FRAME_TRACE
	FILE* output;
	output = fopen("output.txt", "a");
	if (frameNum == 900) {
		fprintf(output, "声道数：%d\n", nch);
		fprintf(output, "目前观测第 %d 帧\n", frameNum);
		fprintf(output, "本帧比特预算：%d bits\n", adb);
		fprintf(output, "\n");
		/* 比例因子 */
		fprintf(output, "========== 比例因子 ==========\n");
		for (ch = 0; ch < nch; ch++)	// 每个声道单独输出
		{
			fprintf(output, "------ 声道%2d ------\n", ch + 1);
			for (sb = 0; sb < frame.sblimit; sb++)	// 每个子带
			{
				fprintf(output, "子带[%2d]:\t", sb + 1);
				for (int gr = 0; gr < 3; gr++) {
					fprintf(output, "%2d\t", scalar[ch][gr][sb]);
				}
				fprintf(output, "\n");
			}
		}
		fprintf(output, "\n");

		/* 比特分配表 */
		fprintf(output, "========== 比特分配表 ==========\n");  //输出比特分配结果
		for (ch = 0; ch < nch; ch++) {
			fprintf(output, "------ 声道%2d ------\n", ch + 1); //按声道分配
			for (sb = 0; sb < frame.sblimit; sb++) {
				fprintf(output, "子带[%2d]:\t%2d\n", sb + 1, bit_alloc[ch][sb]);
			}
			fprintf(output, "\n");
		}
	}
	fclose(output);
#endif // FRAME_TRACE
————————————————

• 音乐文件
  
  选择第900帧，该帧的bit预算为5016
  
  比例因子
  
  比特分配表
  

• 噪声文件（持续噪声）
  
  选择第900帧，该帧的bit预算为5016
  
  比例因子
  
  比特分配表
  

• 混合
  
  选择第900帧，该帧的bit预算为5016
  
  比例因子
  
  比特分配表
  

---

音频文件的频谱：能量集中在低频段

噪声文件：能量集中在高频段